基于师生学习的轻量级 3D 人体姿态估计网络训练
计算机视觉与模式识别
2020-01-16 v1
摘要
我们提出 MoVNect，一种利用单 RGB 相机捕捉 3D 人体姿态的轻量级深度神经网络。为提升模型整体性能，我们将基于知识蒸馏的师生学习方法应用于 3D 人体姿态估计。实时后处理使 CNN 输出产生时间稳定的 3D 骨骼信息，可直接用于各类应用。我们实现了一款运行于移动端的实时 3D 虚拟形象应用，以证明我们的网络同时实现了高准确率与快速推理时间。大量评估表明，在 Human3.6M 数据集与移动设备上，我们的轻量级模型结合所提训练方法优于以往的 3D 姿态估计方法。
引用
@article{arxiv.2001.05097,
title = {Lightweight 3D Human Pose Estimation Network Training Using Teacher-Student Learning},
author = {Dong-Hyun Hwang and Suntae Kim and Nicolas Monet and Hideki Koike and Soonmin Bae},
journal= {arXiv preprint arXiv:2001.05097},
year = {2020}
}
备注
10 pages